失业
📝 失业不仅是一个经济数字——它关乎人的尊严、心理健康和社会稳定。经济学将失业区分为不同类型，因为每种类型的成因和对策截然不同。理解失业的结构对于评估劳动市场政策和预判技术变革的社会冲击至关重要。
失业的测量：定义比想象中复杂
标准定义与隐藏的盲区
失业率的标准计算公式看似简单：失业人数 ÷ 劳动力总数 × 100%。但每个组成部分都隐含着测量决策。劳动力（labor force）仅包括正在工作的人（就业者）和正在积极寻找工作的人（失业者）。一个放弃找工作的人——即所谓的沮丧工人（discouraged worker）——不被计入失业人数，甚至不被计入劳动力。这意味着在经济严重衰退时期，失业率可能因为大量工人停止求职而低估实际的就业困难。
国际劳工组织（ILO）的标准定义要求满足三个条件才算失业：没有工作、能够工作、正在积极找工作。各国在"积极找工作"的定义上存在差异，使得跨国比较需要谨慎。
劳动参与率（labor force participation rate）——适龄人口中参与劳动市场的比例——是更全面的指标。美国男性的劳动参与率从1950年代的约86%下降到2020年代的约68%，这一长期趋势反映了教育延长、提前退休和部分工作年龄人口退出劳动市场的结构性变化。
更广义的失业指标
为弥补标准失业率的缺陷，统计部门发展出了更广义的衡量指标。美国劳工统计局（BLS）的U-6指标不仅包括标准失业者，还包括沮丧工人和非自愿兼职工人（想全职工作但只能找到兼职岗位的人）。U-6通常是官方失业率的近两倍——例如，当官方失业率（U-3）为4%时，U-6可能接近8%。这一差距提醒人们：官方失业率所描绘的画面可能过于乐观。
失业的类型：三种不同的病因
摩擦性失业
摩擦性失业（frictional unemployment）是工人在不同工作之间过渡时的短期失业。一位辞去旧工作寻找更合适新工作的工程师、一位刚毕业正在求职的大学生、一位因搬迁而暂时离职的教师——都属于摩擦性失业。这种失业是劳动市场正常运转的标志，甚至是健康的——它意味着工人不是被困在不匹配的岗位上，而是在寻找更好的匹配。
政策应对不是消灭摩擦性失业（那既不可能也不可取），而是降低摩擦：改善就业信息平台、提供职业介绍服务、减少地理流动的障碍。互联网求职平台的普及已经显著降低了信息搜寻成本，在一定程度上缩短了摩擦性失业的持续时间。
结构性失业
结构性失业（structural unemployment）源于劳动力的技能、地理位置或特征与可用岗位之间的不匹配。当某个产业因技术变迁或全球化而衰落时，该产业的工人可能发现自己的技能在新经济中无用武之地。
美国"锈带"（Rust Belt）地区的去工业化是结构性失业的经典案例。自1980年代以来，钢铁、汽车零部件和其他制造业岗位大量流失——部分因为自动化，部分因为来自低工资国家的进口竞争。Autor、Dorn和Hanson在2013年的研究发现，受低工资国家进口竞争冲击最严重的地区不仅经历了显著的就业损失，还出现了工资下降、劳动参与率下降和公共转移支付增加的连锁效应。这些地区的经济困境在二十年后仍未完全恢复。
结构性失业的政策应对需要更深层的干预：再培训项目（帮助工人获得新技能）、教育体系改革（使教育与经济需求更好匹配）、地理流动性支持（帮助工人迁移到就业机会更多的地区）。然而，再培训项目的效果参差不齐——对于年龄较大、教育程度较低的工人，从制造业技能转向知识经济技能的难度往往被低估。
周期性失业
周期性失业（cyclical unemployment）是经济衰退导致总需求不足时出现的失业。当消费者减少支出、企业削减投资时，产出下降，企业裁员——大量工人不是因为技能不匹配，而是因为整个经济的岗位总量不足而失业。
2008年全球金融危机后的失业潮是周期性失业的典型案例。美国失业率从2007年的4.6%飙升至2009年10月的10%，超过1500万人处于失业状态。西班牙的失业率在2013年达到26.1%，青年失业率更是突破55%。这种大规模的周期性失业是凯恩斯经济学所关注的核心问题——它是总需求管理（财政政策和货币政策）的直接目标。
自然失业率与 Phillips 曲线
自然失业率
自然失业率（natural rate of unemployment）——也称为非加速通胀失业率（NAIRU, Non-Accelerating Inflation Rate of Unemployment）——是经济处于充分就业状态时仍然存在的失业水平（摩擦性失业 + 结构性失业）。追求"零失业"既不现实也不可取——一定程度的摩擦性失业意味着劳动市场在有效地进行匹配。
自然失业率不是一个固定数字——它会随劳动市场制度、人口结构和技术条件的变化而变动。美国的自然失业率估计在4%-5%之间，但具有高度不确定性。北欧国家通过积极的劳动市场政策（再培训、就业补贴、严格的职业介绍服务）维持了相对较低的自然失业率。
Phillips 曲线：从简单到复杂
1958年，A. W. Phillips基于英国近一个世纪的数据发现了失业率与工资增长率之间的负相关关系——后来被推广为失业率与通胀率之间的替代关系（Phillips曲线）。这一发现曾被解读为政策制定者面临的一个稳定的"菜单"：可以选择低失业（代价是高通胀）或低通胀（代价是高失业）。
1970年代的滞胀（stagflation）——高失业与高通胀并存——粉碎了这种简单的解读。Milton Friedman和Edmund Phelps在1968年独立提出的附加预期的Phillips曲线指出：短期内确实存在通胀-失业的替代关系，但一旦工人和企业调整了通胀预期，Phillips曲线就会上移。长期Phillips曲线是垂直的——在自然失业率处，任何通胀率都是可能的。试图通过持续刺激将失业率压低到自然失业率以下，只会导致不断加速的通胀，而不会实现持久的低失业。
这一理论转向深刻影响了宏观经济政策的方向：从"可以用通胀换就业"转向"央行应首先稳定通胀预期，在此基础上才能实现可持续的就业"。
失业的社会代价：远超 GDP 损失
失业的成本远超"产出缺口"（实际GDP低于潜在GDP）所度量的经济损失：
心理健康冲击。大量研究表明，失业与抑郁、焦虑、自尊降低和自杀率上升存在强相关。Clark和Oswald（1994）对英国数据的分析发现，失业对主观幸福感的负面影响甚至大于离婚或丧偶。长期失业者面临的心理损害尤为严重，且即使重新就业后也可能留下持久的心理创伤。
人力资本贬值。失业期间技能停滞甚至退化——特别是在技术快速变化的行业中，几年的失业就足以使技能严重过时。这形成了恶性循环：失业越久 → 技能越过时 → 越难再就业 → 失业更久。经济学将这种现象称为滞后效应（hysteresis）——暂时的经济冲击通过人力资本贬值渠道造成了永久性的就业损害。Blanchard和Summers在1986年的研究首次系统性地提出了这一概念。
社会排斥与政治后果。高失业率——特别是青年失业——与社会信任度下降、犯罪率上升和政治极端化存在相关性。欧洲多国在2010年代的经验表明，青年失业率长期居高（希腊和西班牙一度超过50%）与民粹主义政党的兴起在时间和地理上高度吻合。
当代失业的新挑战
技术性失业的回归
技术性失业（technological unemployment）——因技术进步导致的工作岗位消失——并非新议题。Keynes在1930年就预言了"技术性失业"的可能性。历史上每一次重大技术革命——从纺织机械到汽车到计算机——都曾引发对大规模失业的恐惧，但最终经济创造了比消灭更多的新工作。
然而，人工智能（AI）和自动化的最新进展使得"这次不同"的论证越来越有力。Frey和Osborne在2013年的研究估计，美国约47%的工作岗位面临被自动化取代的高风险。与以往的技术革命不同，AI不仅能替代常规性的体力和认知任务，还开始侵入需要复杂判断的领域——法律文书审查、医学影像诊断、金融分析。即便自动化最终创造了同等数量的新工作，从被替代岗位到新创岗位之间的过渡成本——再培训、地理迁移、心理适应——也可能是巨大的。
零工经济与就业质量
零工经济（gig economy）对失业概念本身构成了挑战。平台工人（网约车司机、外卖配送员、自由职业者）在统计上通常被归类为"就业"——但缺乏传统雇佣关系中的工作稳定性、社会保障、带薪休假和职业发展路径。这种"名义就业、实质脆弱"的状态——Guy Standing称之为**“不稳定阶级”**（precariat）——使得失业率可能严重低估了劳动市场的真实困境。
全民基本收入：应对之策？
面对技术性失业和零工经济的挑战，全民基本收入（UBI, Universal Basic Income）——无条件地向每个公民定期发放足以维持基本生活的现金——正在从学术边缘走向政策辩论的中心。芬兰在2017-2018年进行了一项UBI实验：随机选择2000名失业者每月发放560欧元（无论是否找到工作）。结果显示，受试者的就业率与对照组无显著差异（反驳了"拿了钱就不工作"的担忧），但主观幸福感和生活满意度显著提高。然而，UBI的全面实施面临巨大的财政挑战——覆盖全体公民的成本可能占GDP的10%-30%，融资方式仍是核心争议。
任务、技术与地方：就业结构的当代重构
上文的三分法（摩擦性、结构性、周期性）在总量层面仍然有效，但它无法回答一个更细的问题：技术与贸易究竟改变了哪些岗位、在哪些地方、对谁产生了不可逆的影响。2000 年代之后的劳动经济学用三条线索回答了这一问题。
David Autor：从技能到任务
David Autor (1967– ) 与 Frank Levy、Richard Murnane 2003 年提出的假说改变了讨论的单位。计算机替代的不是"低技能劳动"，而是常规任务（routine tasks）——那些可以被明确规则完整描述的程序性工作，无论其形式是体力的（流水线装配、分拣）还是认知的（记账、档案检索、话务应答）。
🔍 与之互补而非替代的是两类非常规任务：一类是非常规分析与人际任务（诊断、谈判、说服、抽象推理），另一类是非常规手工任务（护理、清洁、餐饮服务）。后者之所以难以自动化，原因在于 Michael Polanyi 指出的悖论——人所知道的多于人所能说出的：把一堆盘子从桌上收走这一动作，人类无法把其中的感知与判断完整地写成规则。
🌍 由此推出的预测是就业极化（job polarization）：常规任务集中在工资分布的中段，因此中等工资岗位萎缩，而高工资的分析型岗位与低工资的服务型岗位同时扩张。这一模式在美国、英国与十余个欧洲国家的数据中被一致观察到。
框架转换的意义。从"技能偏向型技术变革"转向任务框架（task framework），分析单位不再是人或职业，而是任务；技术改变的是不同任务的相对价格，而职业只是任务的组合包。这解释了本章前文提到的估计差异：Frey-Osborne 按职业整体评估自动化风险得到 47%，而经合组织按任务构成重新计算后得到约 14%——大多数职业会被重组而非消失。
地方劳动市场的持久损伤。Autor 与 David Dorn、Gordon Hanson 的一系列研究把分析单位从全国总量下移到通勤区。核心发现是：那些暴露于来自低工资国家的进口竞争冲击更强的地方，制造业就业下降之后，并未通过工人跨地区迁移或跨行业转换而恢复。十年之后，这些地区仍表现为劳动参与率偏低、伤残保险与其他转移支付支出上升、非制造业工资同样被压低。标准贸易理论所假设的要素在部门与地区之间自由流动，在数据中并不成立——这是该文献对教科书最具冲击力的修正。后续研究进一步记录了同一批地区的婚姻率下降、单亲家庭比例上升与壮年死亡率上升。
这些结论并不否定贸易的总收益为正，但它们把调整成本的量级和分布推到了前台：成本高度集中于特定地区和特定人群，而美国的贸易调整援助在覆盖率与给付水平上远不足以对冲。
Erik Brynjolfsson：生产率悖论与图灵陷阱
Robert Solow 1987 年的评论——计算机时代随处可见，唯独不在生产率统计数据里——概括了持续数十年的生产率悖论。Erik Brynjolfsson (1962– ) 的解释是：信息技术的回报确实存在，但需要同时进行组织变革与无形资产投资（流程重组、员工培训、组织资本），而这些互补投资的规模往往数倍于硬件支出，且在会计上不被计入投资，因而生产率提升被推迟五到十年才显现。
J 曲线。Brynjolfsson 与 Daniel Rock、Chad Syverson 由此提出：通用技术在扩散早期会使测得的生产率被低估——企业把资源投入尚未被计量的无形资产积累，投入已经发生而产出尚未出现；到收获期又会被高估。这一时序结构解释了 2005 年后的生产率放缓与同期人工智能能力快速提升之间的表面矛盾。
🏷️ 图灵陷阱（Turing trap）指以"与人类无法区分"作为人工智能的成就标准，从而使技术路径系统性地偏向替代人类而非增强人类。
🔍 Brynjolfsson 2022 年的论证是：替代型自动化提高资本份额、压低劳动份额与劳动者的议价能力；增强型技术则扩大人可完成的任务集合并提高工资。决定路径的不是技术的内在逻辑，而是激励结构——税制对设备投资相对于雇佣的优惠、研发资助的方向设定、以及学术界以"达到人类水平"为核心评价标准的文化，共同把资源推向替代路径。
🌍 早期的实证证据给出了一个值得注意的方向。对客服坐席引入生成式 AI 辅助的随机试验显示，生产率提升集中在经验较少的员工身上，组内差距因此缩小——这与技能偏向型技术变革的预期方向相反。但这类证据目前仍限于任务边界清晰、产出可直接计量的岗位，能否外推尚不确定。
Case 与 Deaton：绝望的死亡
Anne Case (1958– ) 与 Angus Deaton (1945– ) 2015 年报告了一个此前未被注意的事实：美国 45–54 岁非西班牙裔白人的全因死亡率自 1999 年起持续上升，而其他富裕国家以及美国其他族群的同龄死亡率仍在下降。上升由三类死因驱动——自杀、酒精性肝病与药物过量——他们统称为绝望的死亡（deaths of despair）。
教育梯度是核心。死亡率的上升几乎完全集中在没有四年制大学学位的群体；有学位者的死亡率继续下降。到 2010 年代，两个群体的预期寿命差距明显扩大，这在一个高收入国家的和平时期属于罕见现象。
解释链条。Case 与 Deaton 在 2020 年的著作中给出的不是单一经济冲击的解释，而是一条长期侵蚀的链条：低教育者在劳动市场中的地位持续下滑，稳定工作的消失继而瓦解了婚姻、宗教参与与社区归属等制度性支撑，绝望由此累积。美国特有的两个放大器是：医疗保险与雇佣关系绑定，使低技能岗位的雇佣成本被抬高，推动了外包与零工化；以及处方类阿片药物在监管失效下的大规模供给。
争议。Christopher Ruhm 主张供给侧解释更具说服力——死亡率上升的地理分布与药物流通渠道的相关性，高于与经济衰退指标的相关性。Case 与 Deaton 的回应是，同样的药物供给冲击落在社会结构完好的地区不会产生同等规模的后果，两者是相乘而非相加的关系。多数研究者目前接受二者共同作用的综合解释。
对经济学而言，这一文献的价值有两层：它把"劳动市场地位"确立为健康与死亡的强决定因素；同时它再次暴露了失业率指标的盲区——退出劳动力的壮年男性不计入失业统计，而恰恰是这一群体承担了最大的健康代价。跨国比较则提供了一个重要限定：绝望的死亡在其他富裕国家规模小得多，说明它不是自动化与全球化的普遍后果，而是特定制度安排下的结果。
💭 延伸思考
- 如果AI最终取代了大量工作岗位而新创造的岗位需要截然不同的高技能，社会应如何应对大规模的技能错配？教育体系需要做出怎样的根本性变革才能培养适应快速技术变化的劳动力？
- “充分就业"是否应该被重新定义？如果越来越多的工作是不稳定的、低薪的、缺乏保障的，仅仅追求低失业率是否遗漏了劳动市场中最重要的问题？
- 任务框架把技术冲击定位在任务而非职业层面，并显示受冲击的通勤区在数十年后仍未恢复。若劳动力的地理流动性远低于标准模型的假设，“长期终会重新配置"这一结论应作何修正？
- 图灵陷阱指出，以模仿人类为目标的技术路线会强化替代而非增强人的能力，而路线选择又受税制、研发补贴与资本成本影响。自动化的方向在多大程度上应被视为政策变量而非技术宿命？
📚 参考文献
- Autor, D. H., Dorn, D., & Hanson, G. H. (2013). The China syndrome: Local labor market effects of import competition in the United States. American Economic Review, 103(6), 2121-2168.
- Blanchard, O. J., & Summers, L. H. (1986). Hysteresis and the European unemployment problem. NBER Macroeconomics Annual, 1, 15-78.
- Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation? Technological Forecasting and Social Change, 114, 254-280.
- Standing, G. (2011). The Precariat: The New Dangerous Class. Bloomsbury Academic.
- Clark, A. E., & Oswald, A. J. (1994). Unhappiness and unemployment. Economic Journal, 104(424), 648-659.
- Autor, D. H., Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. Quarterly Journal of Economics, 118(4), 1279-1333.
- Autor, D. H., & Dorn, D. (2013). The growth of low-skill service jobs and the polarization of the US labor market. American Economic Review, 103(5), 1553-1597.
- Brynjolfsson, E., Rock, D., & Syverson, C. (2021). The productivity J-curve: How intangibles complement general purpose technologies. American Economic Journal: Macroeconomics, 13(1), 333-372.
- Brynjolfsson, E. (2022). The Turing trap: The promise and peril of human-like artificial intelligence. Daedalus, 151(2), 272-287.
- Case, A., & Deaton, A. (2020). Deaths of Despair and the Future of Capitalism. Princeton University Press.